人工智能

（北京25日讯）人工智能（AI）领域的投资热潮使中国贸易额有望超过去年的纪录水平，缓冲伊朗战争爆发后油价上涨带来的冲击。 中国交通运输部周一发布的数据显示，3月前三周，中国港口完成货柜吞吐量近2000万标箱，较去年同期增长超过6%。 尽管增速较今年前九周的12%有所放缓，但当前增长态势表明，中东冲突尚未对中国贸易构成严重拖累。在战争如果导致能源价格持续高企，全球商品贸易今年恐面临更严重放缓的背景下，中国的出口表现尤为突出。 数据中心和电力设备投资驱动的强劲全球需求，可能正在帮助中国企业抵御外部威胁。作为例证，经济学家指出，由于中韩两国供应链深度融合，中国出口与其从韩国的进口之间存在显著相关性。 3月前20天，韩国对华出口大幅增长69%，其半导体海外销售额更是飙升164%。这一势头意味着，继1月和2月快速增长后，中国出口可能继续攀升。 澳新银行经济学家周晓等在周二的一份报告指出：“地区科技出口的强劲表现对中国外贸前景发出了建设性信号。” “尽管当前能源供应受冲击，但AI驱动的上升周期依然完好。” 资讯来源:https://www.enanyang.my/news/20260325/Finance/1202943

你是否也感觉到，人工智能（AI）的发展似乎已经席卷许多行业，但在银行业，我们却很少真正感受到它的存在？ 银行的服务流程依然如往常一样，被各种繁文缛节所束缚，仿佛科技带来的效率还未真正进入银行体系。 现行方向：嵌入基础AI 事实上，银行早已在许多业务流程中应用AI技术，例如数据分析、风险评估等。然而，这些应用大多仍停留在后台系统，在前台客户管理和服务的应用，还有很大的提升空间。 ADVERTISEMENT 从务实的角度来看，银行可以开始将基础型人工智能更深入地嵌入现有的电子银行系统之中。当前很多银行系统已经提供一些自动化服务，例如常行指示或自动扣款。然而，银行可进一步让客户能更灵活地设定不同的规则，例如根据消费类别自动分类交易、设定自动转账逻辑，甚至根据收入与支出状况自动进行储蓄或投资配置。 未来形态：语音、空间银行 接下来，另一个值得重点发展的方向是语音银行。其实，在生成式AI面世前，美国已有一些银行提供类似服务，让客户通过语音指令查询账户余额或执行交易。 在AI时代，便利性已成为人们的基本要求。相比在手机上一步一步设定操作，许多用户可能更希望直接用语音指令完成银行交易。随着AI语音识别与自然语言处理技术的进步，语音银行在未来将变得更普遍，虽然要推出此类系统在大马多元的环境底下还是会面对一些挑战。 除了语音银行，未来银行也可能出现新的形态，例如空间银行（Spatial Banking）。随着虚拟现实（VR）与扩展现实（XR）技术的发展，人们在虚拟空间中进行金融交易也许会成为一种新的银行服务模式。客户可通过虚拟世界进入银行大厅，与虚拟银行职员互动，完成一些简单的交易或查询。 ADVERTISEMENT 真诚服务，以人为本 AI时代的银行分行数量会如预期般逐渐减少，但这并不意味着银行分行会完全消失。未来的银行分行也可能呈现出不同于传统柜台的氛围，它会更像一个轻松的交流空间，在点一杯咖啡、听一个故事的环境中，银行顾问通过了解客户的人生目标、家庭规划与风险承受能力，能更准确地制定适合的财务规划。 事实上，许多复杂的金融产品，例如投资、保险、退休规划等，并不会因为AI系统推荐就让客户自动申请。金融需求往往需要被引导，而这种过程依然需要人与人之间的沟通。 因此，未来的银行员工不仅需要深入了解银行产品和竞争对手的优缺点，还需具备更强的情绪智力及一定的心理学知识。金融服务的本质仍与人的需求密切相关，而理解客户的心理与生活阶段，将成为制定合适金融方案的重要基础。 未来银行成功的关键，将是如何通过多个渠道提供高效率与真诚人性化服务的结合。银行必须建立无缝连接的多渠道银行体系，让手机银行、语音银行、虚拟空间银行以及实体分行之间能顺畅衔接，为客户提供一致且便捷的服务体验。 当科技不断加速前进，银行真正的智慧，或许正是回到人本，在冰冷的屏幕之外，依然能给予客户真实的温度。 资讯来源: https://www.enanyang.my/news/20260330/Finance/1206951

当人工智能（AI）可以在几秒内生成报告、撰写代码，甚至协助医生判读医学影像，人类在知识与决策中的角色，是否正在被重新定义？ 在全球科技界热议“知识是否贬值”、“白领工作是否会被重塑”的当下，当头棒喝的问题来了：“机器能够迅速给出答案，那人类还剩下什么优势？” 马来西亚人工智能总商会（MAAI）永久名誉创会会长拿汀刘秋英及总会长林进宝给出的答案是“方向”，即人工智能可以给答案，但方向必须由人来决定。 人工智能的真正价值，不是取代人类，而是放大人类的判断力与创造力，而未来社会真正稀缺的能力，也不再只是知识，而是提出问题与作出决策的能力。 《南洋商报》专访林进宝与刘秋英，聚焦一个更贴近本土现实的问题，即在人工智能加速演进的时代，大马企业与教育体系是否具备足够的转型能力。 技术到位结构待转型 林进宝指出，大马企业早已在不同层面应用人工智能。从客服自动回复、后台数据整合到预测模型与风险评估，人工智能已广泛融入金融、医疗、制造与物流领域。 他说，银行通过机器学习模型评估客户信用，加快贷款审批，医疗行业在X光与电脑断层（CT）扫描中引入人工智能辅助，制造与运输业则通过自动化系统提升营运效率。 不过，他也坦言，目前多数企业仍把人工智能视为提升效率的工具，真正的深层整合与决策主导仍在升级阶段。技术已到位，但结构转型仍在进行中。 职能重构非岗位消失 在就业议题上，两人态度明确，即人工智能不会让岗位消失，而是让职能重构。 林进宝指出，重复性高、流程标准化的初级岗位，确实较容易被系统接管部分工作，例如基础客服、数据输入或初级会计职能。 然而，这并不代表职业终结，而是角色升级。未来相关人员将转向监督人工智能输出、修正异常数据、处理复杂个案判断。 刘秋英也强调，“人工智能取代人类”的说法本身就是误解。人工智能是人类创造的工具，其目的是增强判断，而非替代人类。企业在推动转型时，应同步提供培训与心理支持，让员工把转型视为能力升级，而不是淘汰。 随着结构重组，新职业也逐渐浮现。根据林进宝所观察，近年来市场上出现人工智能培训师与人工智能企业转型顾问等角色。 “这类专业人士协助企业规划应用路径、培训员工、推动执行。课程反应踊跃，反映出市场对技能升级的真实需求。” 他也提及，科技领域方面也开始出现模型整合与系统部署人员。他们不再单纯编写代码，而是专注于将大型语言模型整合进企业数据库，使人工智能真正嵌入业务流程。 应对AI运用培养学生判断能力 林进宝强调，人工智能只是加速工具，而教育的功能在于建立思维框架与人生方向。在他看来，教育体系未必需要推翻重来，但必须更新思维，使其更符合人工智能时代的发展趋势。 他说，学校在学生成长阶段扮演关键角色，应教会学生如何思考及提问，以及如何理解人工智能的运作逻辑。教师本身更需要走在学生前面，只有当教师能正确理解并接受人工智能，学生才能在开放而健康的环境中成长。 刘秋英则直言，大学一定要读，而且在人工智能时代更为重要。 她认为，大学的角色需要升级，但价值不会削弱。未来大学不应只传授知识，而应培养批判思维、创造能力与跨领域整合能力。当人工智能可以迅速给出答案，社会真正稀缺的是能提出问题与作出判断的人。 她提及，为进一步优化和提升大马人对人工智能的认知程度，该会也分级别式为各行业或领域提供培训计划，包括涵盖初级、中级与高级课程，以配合不同对象与行业需求。 大马可结合优势调整前进 在大马与周边区域竞争方面，林进宝坦言，新加坡在政策集中与财政支持方面更成熟，但大马拥有开放投资环境、多语文化优势与东盟枢纽地位。 目前大马科技成长仍较依赖外资与外来技术，但他认为这并不代表没有机会。若能整合数据中心、安全测试与技术服务资源，结合本地人才优势，大马有潜力成为区域科技整合集成中心。 整体而言，大马已踏入人工智能重构时代，就业结构正在调整，新职业逐步出现，教育体系也在转型。人工智能不会等待社会准备好才前进。真正决定未来竞争力的，不只是技术，而是升级的速度。 资讯来源: https://www.enanyang.my/news/20260330/Finance/1206976

（华盛顿5日讯）AI教父辛顿（Geoffrey Hinton）近日发出警示，指出人工智能已具备“装傻”能力。他表示，AI模型在测试时可能刻意隐藏真实实力，这种现象被他称为“福斯效应”，显示AI正从被动工具转变为会观察环境、策略性应对的“参与者”。 辛顿引用实验指出，当研究人员要求模型反复给出错误答案时，AI竟领悟到“给错答案也没关系”。久而久之，模型形成一种行为模式：相比准确性，更重视是否符合当前“情境”。换言之，AI在具备推理能力后，会思考：“这是测试吗？我该保留实力吗？”类似过去汽车厂在排放测试中作弊，AI可能在测试与实际使用间展现双重面貌，以避免过度审查或限制。 人类面临的最大困境是难以察觉AI是否在“演戏”。一方面，大型语言模型内部拥有上兆个连接强度，其数学运作结构复杂如黑箱，难以完全理解其推理逻辑。另一方面，辛顿认为，大众所称的AI“幻觉”更准确应称为“虚构”，模型是根据概率生成答案，而非存储记忆。因此当错误发生时，外界无法判断是自然生成的疏失，还是刻意保留的策略。即使加上防护机制，一旦核心权重泄露，约束可能瞬间失效。 辛顿强调，AI最令人不安的风险并非犯错，而是其愈发强大的“说服力”。当AI在语言表达与心理洞察上接近人类时，它无需操控实体装置，仅通过精准对话就能影响人类决策。一个能洞悉人类恐惧与期望的系统，其影响力将远超传统工具。随着人类与AI的理解力出现巨大差距，我们将难以分辨AI何时真诚、何时在操控，信任与警惕的界线也随之模糊。 辛顿以“雾中开车”比喻AI未来的发展。他指出，科技呈指数型增长，短期看似平稳，长期却可能急剧爆发。十年前生成式AI普及难以想象，十年后发展可能超出预期。当AI开始展现策略性思维，而人类仍用线性逻辑预测未来，很可能低估其潜在冲击。辛顿并未建议全面停止AI发展，而是呼吁将重点放在“理解AI机制”，而非单纯强化外在限制。 辛顿的警示让全球关注从“AI能做什么”转向“AI在隐藏什么”。当AI懂得隐藏实力，人类更需看清其推演过程。如何缩小人类与AI的理解落差，将决定未来的发展方向。 资讯来源: https://www.enanyang.my/news/20260305/Finance/1184210

（纽约25日讯）华尔街投资者担心人工智能(AI)会将人类专家的智慧转化为一条条代码，最终颠覆白领行业。 股票投资似乎正处于这场变革的风口浪尖。 由哈佛商学院教授领导的一项最新学术研究发现，主动型基金经理的大部分行为都遵循机器可以学习的模式。研究人员利用一种名为“神经网络”的机器学习算法可以预测到约71%的共同基金交易决策，即基金经理在某一季度内对特定股票是买入、卖出还是持有。 该模型基于1990至2023年的五年滚动窗口数据进行训练，提取了包括基金规模、投资者资金流向、股票特性以及更广泛经济状况等信息。基于此，它能够预判大部分的持仓调整。 非常规交易创造更高价值 吊诡之处在于该模型的局限性可能比它的成功更具启发性。平均而言，系统未能预判的那部分交易（约29%）与基金超额收益的关系更为紧密。换言之，那些落在常规、可检测的投资模式之外的交易活动似乎才是真正创造价值所在。 这意味着机器并没有攻克市场，而是学会了该行业的大部分通用“剧本”，即基金经理如何对资金流、市场趋势及同行行为做出反应。机器难以捕捉的是那一小部分不符合“剧本”的决策。 基金管理费遭质疑 “如果你71%的决策都能被算法预判，那么这一部分的‘主动管理费’就很难收得理直气壮，”该论文合著者、哈佛大学金融学教授劳伦·科恩在邮件中解释道。“那些非例行交易，即我们模型无法预测的部分才是真正的‘阿尔法’(Alpha)所在地。但这些交易在整体活动中所占份额相对较小。 这篇名为《模拟金融》的论文上周发布在美国国家经济研究局网站上。人工智能正震撼着专业服务领域日益细分的角落。最近几周，对AI颠覆性影响的恐惧已导致从财富管理公司到物流集团等各行各业的股价剧烈波动。 论文还发现，预判的准确度因基金而异。平均而言，规模较大、收费较高、团队规模较大以及面临竞争更激烈的基金，其行为往往更难预测。而任职时间较长或管理多种产品的基金经理，其行为则更容易被预判。目前该模型预测的是交易方向而非交易规模，作者计划在未来的研究中解决这一局限。 尽管近期人们对AI充满热情，但上述研究发现凸显了一个区别，即预测基金经理的行为似乎比预测市场走向更容易。资产价格反映了数百万参与者的互动和不断变化的预期。相比之下，基金经理的职业习惯往往遵循一种可识别的模式。 最终，模型未能预判的那一小部分交易往往表现更好，这表明它们可能反映了人类的独创性，例如发掘了他人忽视的股票信息。仅仅靠随机性是不太可能产生这种结果的。 资讯来源: https://www.enanyang.my/news/20260225/Finance/1175553

（吉隆坡18日讯）学者指出，人工智能化导致全球年轻劳动力招聘下降，唯独经验丰富的资深专业人士能与人工智能形成互补，不被取代而保住饭碗。 马来亚大学商学与经济学院决策科学系高级讲师戴安娜阿都瓦哈博士发文告指出，高度成熟人工智能科技引发的劳动力市场深层结构性转变，对刚进入职场的新生代尤为不利。 近期就业趋势分析显示，自2022年底广泛采用人工智能工具，入门级职业路径开始出现明显分化，其影响已对人力资本形成早期预警信号。 证据表明，在高度容易受到人工智能影响的岗位中，年轻人尤其是22至25岁群体的就业前景正受到明显抑制，在软件开发、客户服务等职业中的就业人数出现显著下滑。 隐性知识暂无法复制 这意味着企业并非单纯减少整体招聘规模，而是刻意绕过人工智能可代替的入门级岗位招聘。这些工作过去是新手积累经验的训练场，如今却由人工智能取代，使这类入门岗位被消除。 她说，这直接导致全球年轻劳动力招聘下降，而那些将人工智能作为增强工具、需要判断力和经验的岗位，就业水平不仅保持稳定，甚至有所增长。 “年长且经验丰富的员工，展现的韧性凸显人力资本中的一个关键要素：隐性知识防线。” 隐性知识是指目前人工智能无法复制，通过多年实践经验和社会互动所累积的智慧、情境理解与直觉。 戴安娜阿都瓦哈认为，资深专业人士之所以能保住饭碗，是因为他们拥有细致入微的决策能力、战略层面监督，以及人际沟通技巧。这种综合判断、沟通与决策能力，能与人工智能形成最佳互补而不会被替代。 “这对未来的工作启示十分明确，教育机构及年轻人自身都必须接受，单纯获取‘可编码知识’（即那些容易被整理、复述、且如今已能被算法自动化的信息）的回报正在迅速下降。” 她强调，在新劳动市场中，成功不在于回避人工智能，而在于培养那些能够善用人工智能、且具有人类独特性的技能。 “新的价值存在于复杂问题解决、情绪智力、有效沟通以及伦理判断等领域，使人类互动更有效，也使新技术得以被战略性运用。 资讯来源: https://www.enanyang.my/news/20260118/Finance/1137933